DeepSeek-Prover-V2: Advancing Formal Mathematical Reasoning via Reinforcement Learning for Subgoal Decomposition
DeepSeek-AI
DeepSeek-Prover-V2 通过基于子目标分解的强化学习冷启动方法统一形式化与非形式化数学推理，在 MiniF2F-test 和 PutnamBench 等基准上取得领先性能，并引入 ProverBench 以缩小形式化推理差距。
2025-07-18 cs.AI cs.CL
Structure-Induced Information for Rerooting Levin Tree Search
Department of Computing Science, University of Alberta, Edmonton, Canada.；Alberta Machine Intelligence Institute (Amii), Edmonton, Canada.；Google DeepMind, London, United Kingdom.
提出三种重定根器设计，利用结构信息隐式分解子目标，提升策略树搜索的可扩展性和效率。
2026-07-21 cs.AI
GlobalRAG: Enhancing Global Reasoning in Multi-hop Question Answering via Reinforcement Learning
GlobalRAG通过强化学习框架提升多跳问答的全局推理能力，引入规划质量奖励和子目标完成奖励，结合渐进权重退火策略，有效解决多步推理中的全局规划和执行不一致问题。
2026-03-16 cs.AI cs.CL
Mind the Gap: Promises and Pitfalls of Hierarchical Planning in LeWorldModel
University of Amsterdam（阿姆斯特丹大学）
研究长期目标条件控制下时间层次结构对LeWorldModel的影响，提出Hi-LeWM扩展，通过冻结低级模型并添加高级规划。实验发现层次结构需合理设计，无约束搜索有问题，约束搜索可改善性能，表明时间抽象有益，但高级搜索要与低级控制器兼容。
2026-07-16 cs.AI cs.LG cs.RO
PreAct-Nav: Agentic Reasoning Before Action for Urban Navigation
Shanghai Jiao Tong University（上海交通大学）；Beihang University（北京航空航天大学）；The Hong Kong University of Science and Technology（香港科技大学）；Tsinghua University（清华大学）；University of Cambridge（剑桥大学）；Intelligent Game and Decision Lab (IGDL)（智能博弈与决策实验室）
PreAct-Nav提出了一种智能体导航框架，通过记忆模块和预测性世界沙盒，在行动前进行推理，将远期目标转化为中期子目标，从而提升城市导航中的行动选择，尤其在长路线和转弯多的路线上效果显著。
2026-10-06 cs.AI cs.RO
Multi-Level Compositional Reasoning for Interactive Instruction Following
Yonsei University（延世大学）
提出MCR-Agent，通过三层级策略将复合指令分解为子目标，分别处理导航与交互，在未见集效率指标上超越现有方法2.03%。
2024-03-13 cs.AI cs.RO
Option Discovery Using LLM-guided Semantic Hierarchical Reinforcement Learning
University of Maryland（马里兰大学）
本文提出LDSC框架，利用LLM引导的子目标选择和选项重用，通过三阶段分层强化学习提升复杂机器人任务的样本效率、泛化能力和多任务适应性，平均奖励比基线高55.9%。
2025-03-24 cs.AI cs.LG
Learning Abstract Visual Reasoning via Task Decomposition: A Case Study in Raven Progressive Matrices
Institute of Computing Science Poznan University of Te/nology Piotrowo 2, 60-965 Poznań, Poland e-mail
本研究针对RPM抽象视觉推理难题，提出基于transformer的深度学习架构，通过任务分解预测物体属性与排列并并置结果选答，结合多种输入解析与掩码训练策略，性能超SOTA且可抗基准偏差。
2024-03-07 cs.AI cs.CV cs.LG
SCOPE: Language Models as One-Time Teacher for Hierarchical Planning in Text Environments
Skyfall
SCOPE通过一次性利用LLM生成的子目标预训练轻量级模型，实现高效文本环境分层规划，比ADaPT方法在成功率和推理效率上更优。
2025-12-10 cs.AI cs.CL
Policy Guided Tree Search for Enhanced LLM Reasoning
针对大语言模型复杂推理能力不足的问题，提出策略引导树搜索（PGTS）框架，通过学习策略动态决策推理路径探索方式，在多任务基准测试中实现更优推理性能并显著降低计算成本。
2025-02-04 cs.AI cs.LG
Limits of PRM-Guided Tree Search for Mathematical Reasoning with LLMs
University of Tübingen（图宾根大学）；University of British Columbia（不列颠哥伦比亚大学）；Vector Institute（向量研究所）；Western University（西部大学）
本研究提出自适应算法最大化PRM分数，发现PRM引导的树搜索相比BoN无显著提升，且PRM可靠性随深度下降，需改进奖励建模。
2025-10-23 cs.AI cs.LG
Neural-guided, Bidirectional Program Search for Abstraction and Reasoning
Massachusetts Institute of Technology（麻省理工学院）；Raytheon BBN Technologies（雷神BBN技术公司）；Boston University（波士顿大学）；Princeton University（普林斯顿大学）
当今人工智能研究面临的挑战之一是设计能够利用系统推理来概括新任务的系统。抽象和推理语料库（ARC）通过一组视觉推理任务来衡量这种能力。在本文中，我们报告了ARC的渐进式进展，并为两种不基于蛮力搜索的抽象和推理方法奠定了基础。我们首先应用现有的程序合成系统称为DreamCoder创建符号抽象的任务解决到目前为止，并显示它如何使解决越来越具有挑战性的ARC任务。其次，我们设计了一个推理算法的动机，人类的方式接近ARC。我们的算法构造了一个搜索图，并在此图结构的原因，发现任务的解决方案。更具体地说，我们扩展现有的执行引导的程序合成方法与演绎推理的基础上的功能逆语义，使神经引导的双向搜索算法。我们证明了算法的有效性三个域：ARC，24场比赛的任务，和一个“双加”算术难题。
2021-10-26 cs.AI cs.LG
Mitigating Over-Optimization in PRM-Guided Search in Mathematical Reasoning by Optimizing the Guide
Northwestern University（西北大学）
本研究针对PRM引导数学推理搜索的过优化问题，提出极大极小PRM引导搜索方法，无需微调即可提升搜索性能17%-35%，在多数设置中优于基线方法。
2026-09-01 cs.AI cs.LG
Beneficial Reasoning Behaviors in Agentic Search and Effective Post-training to Obtain Them
Carnegie Mellon University（卡内基梅隆大学）
本文提出行为引导方法，通过预训练使代理搜索模型具备信息验证、权威评估等有益推理行为，从而在强化学习前提升任务性能。
2026-01-16 cs.AI cs.LG
No Train Still Gain. Unleash Mathematical Reasoning of Large Language Models with Monte Carlo Tree Search Guided by Energy Function
本文提出结合蒙特卡洛树搜索和轻量级能量函数的方法，将微调LLM重构为Residual-EBM并利用MCTS评估推理路径，无需额外训练即在GSM8k和AQUA-RAT上显著提升pass@1。
2023-09-12 cs.AI cs.LG
Selection-Based Structured Reasoning: Toward Efficient Multimodal Search Agents
Apple（苹果公司）；Carnegie Mellon University（卡内基梅隆大学）
本文提出基于选择的结构化推理（SSR），将多模态智能体的推理从开放式生成改为选择预定义候选，在保持任务性能的同时显著降低推理延迟，适用于小型模型。
2026-10-12 cs.AI cs.LG
Enhancing Reasoning Capabilities of Small Language Models with Blueprints and Prompt Template Search
Microsoft（微软）
提出结合LLM生成蓝图与提示模板搜索的框架，在不训练、不扩模的情况下提升SLM在GSM8K、MBPP和BBH上的推理表现。
2025-06-10 cs.AI cs.LG
AI Mathematician as a Partner in Advancing Mathematical Discovery -- A Case Study in Homogenization Theory
Qiuzhen College, Tsinghua University, Beijing, China（清华大学北京校区启祯学院）；Institute for AI Industry Research (AIR), Tsinghua University, Beijing, China（清华大学人工智能产业研究院）；Dept. of Comp. Sci. & Tech., Institute for AI, Tsinghua University, Beijing, China（清华大学人工智能学院计算机科学与技术系）
人工智能（AI）在数学推理方面取得了令人印象深刻的进展，但它与数学研究实践的结合仍然有限。在这项研究中，我们研究了AI数学家（AIM）系统如何作为研究伙伴而不仅仅是问题解决者。针对同质化理论中的一个具有挑战性的问题，我们分析了AIM的自主推理轨迹，并结合有针对性的人类干预来构建发现过程。通过将问题迭代分解为易于处理的子目标，选择适当的分析方法，并验证中间结果，我们揭示了人类直觉和机器计算如何相互补充。这种协作模式增强了结果证明的可靠性，透明度和可解释性，同时保留了对形式严谨性和正确性的人为监督。这种方法可以得到一个完整的、可验证的证明，更广泛地说，它展示了系统的人类-人工智能协同推理如何推动数学发现的前沿。
2025-10-30 cs.AI
Coordinating Search-Informed Reasoning and Reasoning-Guided Search in Claim Verification
Nanyang Technological University（南洋理工大学）
针对多跳声明验证中推理与搜索交织的挑战，提出层级智能体框架HARIS，通过高低层智能体分别负责推理建链和迭代搜索，用强化学习训练，在两个基准上取得优异性能。
2025-07-31 cs.AI
Retro-Search: Exploring Untaken Paths for Deeper and Efficient Reasoning
NVIDIA（英伟达公司）；University of Washington（华盛顿大学）；Stanford University（斯坦福大学）
针对大型推理模型推理轨迹非最优的问题，提出受MCTS启发的Retro-Search算法，通过回顾修正推理路径蒸馏更优更短轨迹，在自我改进和弱到强改进场景中均实现推理长度缩短与性能提升，反驳了搜索算法无关性观点。
2025-04-15 cs.AI cs.CL cs.LG
Searching Meta Reasoning Skeleton to Guide LLM Reasoning
Department of Electronic Engineering, Tsinghua University（清华大学电子工程系）；Beijing Institute of Mathematical Sciences and Applications（北京数学科学与应用研究所）；State Key laboratory of Space Network and Communications, Tsinghua University（清华大学空间网络与通信国家重点实验室）
本文提出AutoMR框架，通过图表示搜索查询感知的元推理骨架，提升大语言模型推理性能。
2026-04-16 cs.AI
Adaptive Test-Time Reasoning via Reward-Guided Dual-Phase Search
Michigan State University（密歇根州立大学）；Amazon（亚马逊）；Pennsylvania State University（宾夕法尼亚州立大学）
针对大语言模型基于树的推理搜索方法效率不足的问题，提出将推理拆分为规划与执行的双阶段测试时搜索框架，搭配分阶段奖励模型与动态预算分配机制，在基准任务上实现准确率提升与冗余计算减少。
2025-09-29 cs.AI cs.CL cs.LG
Self-Evaluation Guided Beam Search for Reasoning
National University of Singapore（新加坡国立大学）；The Hong Kong University of Science and Technology（香港科技大学）
本文提出一种自评估引导的随机束搜索解码方法，通过逐步自评估校准LLM多步推理过程，在多个推理基准上显著超越基线并提升一致性与鲁棒性。
2023-10-26 cs.AI cs.CL cs.LG
Hybrid Deep Searcher: Scalable Parallel and Sequential Search Reasoning
Seoul National University（首尔国立大学）；LG AI Research（LG AI研究）；University of Illinois Chicago（伊利诺伊大学芝加哥分校）；University of Seoul（首尔大学）
提出混合搜索策略HybridDeepSearcher，通过并行查询扩展与显式证据聚合结合顺序推理，在多个基准上显著提升性能并实现测试时搜索扩展。
2026-05-25 cs.AI
Enhancing Reasoning through Process Supervision with Monte Carlo Tree Search
AI Lab, Giant Network（巨量引擎AI实验室）
本文提出利用蒙特卡洛树搜索让LLM自生成过程监督数据，通过加权对数似然迭代训练，在数学推理任务上显著提升性能并展现跨数据集迁移能力。
2025-01-02 cs.AI cs.CL cs.LG
Metastable Dynamics of Chain-of-Thought Reasoning: Provable Benefits of Search, RL and Distillation
University of Tokyo（东京大学）；RIKEN AIP（理化学研究所人工智能项目）；New York University（纽约大学）；Flatiron Institute（弗莱彻研究所）；Princeton University（普林斯顿大学）
本文将思维链生成建模为亚稳态马尔可夫过程，证明了奖励稀疏边的搜索协议能减少期望步数并提升推理能力，同时表明该搜索信息可通过策略梯度微调或蒸馏至更小模型来优化推理。
2025-03-01 cs.AI cs.LG stat.ML
Towards Solving More Challenging IMO Problems via Decoupled Reasoning and Proving
Tencent AI Lab（腾讯AI Lab）
针对LLM在形式证明上弱于非形式推理的难题，提出解耦推理与证明的框架，用专用推理器生成子目标引理并由证明器验证，在2000年后IMO难题上成功解决5题。
2025-07-07 cs.AI cs.LO
TsuGO: Probing Search Efficiency in LLM Reasoning via Go Life-and-Death Problems
本研究提出围棋死活问题基准TsuGO，发现现有LLM的推理搜索组织能力远逊于神经引导的KataGo，指出搜索组织是LLM推理评估的缺失维度。
2026-08-14 cs.AI
LinTree: Improving LLM Reasoning with Explicitly Structured Search Histories
National University of Singapore（新加坡国立大学）；University of Oxford（牛津大学）
针对LLM推理中隐式搜索树导致性能不佳的问题，提出LinTree方法，通过添加父指针显式表示线性化树结构，在Blocks World、网格导航和Sokoban任务中提升了任务性能和搜索效率。
2026-05-29 cs.AI
MITS: Enhanced Tree Search Reasoning for LLMs via Pointwise Mutual Information
University of Georgia（佐治亚大学）；The Hong Kong Polytechnic University（香港理工大学）
MITS通过点互信息引导树搜索推理，提升大语言模型的推理性能和效率。
2026-02-27 cs.AI
DOTS: Learning to Reason Dynamically in LLMs via Optimal Reasoning Trajectories Search
George Mason University（乔治·马歇尔大学）；Tencent AI Lab（腾讯AI实验室）
本文提出DOTS方法，通过搜索最优推理轨迹，使大语言模型能根据问题特征动态规划推理动作，在八个推理任务上优于静态推理方法。
2025-08-07 cs.AI cs.CL cs.LG
Improving Math Reasoning through Value-guided Informative Search
Amazon（亚马逊）；Texas A&M University（德克萨斯A&M大学）
提出APIVIS框架，将有限预算Gumbel搜索适配至分块级数学推理，通过价值引导选择与选择性监督改进RLVR训练，在多个基准上显著优于现有搜索方法。
2026-10-02 cs.AI
Monte Carlo Thought Search: Large Language Model Querying for Complex Scientific Reasoning in Catalyst Design
Pacific Northwest National Laboratory（太平洋西北国家实验室）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对催化剂设计中搜索空间组合爆炸的问题，提出基于蒙特卡洛树搜索的蒙特卡洛思想搜索方法，优于现有思维链提示，在两个新推理数据集上较最优基线提升25.8%，可增强科学推理与发现。
2023-10-22 cs.AI
Escaping Reasoning Basin Collapse with History-Biased Search
University of Illinois Chicago（伊利诺伊大学芝加哥分校）
针对LLM推理时搜索的“推理盆地崩溃”问题，提出无需训练的结构感知选择方法BASIN，在24点游戏、MuSR上优于ToT，可提升推理时推理能力。
2026-10-20 cs.AI
MC-Search: Evaluating and Enhancing Multimodal Agentic Search with Structured Long Reasoning Chains
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Meta；IBM Research（IBM研究院）；Stony Brook University（石溪大学）
MC-Search是首个针对代理MM-RAG的基准，通过结构化长推理链评估和增强多模态代理搜索，揭示了系统性问题并改进了模型的规划和检索能力。
2026-03-01 cs.AI
Search from History and Reason for Future: Two-stage Reasoning on Temporal Knowledge Graphs
University of Chinese Academy of Sciences（中国科学院大学）；Baidu Inc.（百度公司）
时态知识图谱（TKG）已经被开发并应用于许多不同的领域。对TKG进行推理，预测未来潜在的事实（事件），给现有的模型带来了巨大的挑战。当面临预测任务时，人类通常搜索有用的历史信息（即，线索）在他们的记忆，然后对未来的原因精心。受此机制的启发，我们提出了ClusteR预测未来的事实在两个阶段的方式，线索搜索和时间推理，相应的。具体而言，在线索搜索阶段，ClusteR通过强化学习（RL）学习束搜索策略，以从历史事实中归纳出多个线索。在时间推理阶段，采用基于图卷积网络的序列方法从线索中推理答案。在四个数据集上的实验表明，与最先进的方法相比，ClusteR的实质性优势。此外，ClusteR发现的线索进一步为结果提供了可解释性。
2021-06-01 cs.AI
Rational Inverse Reasoning: Few-Shot Imitation by Inferring Intent through Planning
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
研究人类能从少量示范学习新操作任务，而现代机器人模仿学习需大量示范且适应性差的差距。提出理性逆推理，将少样本模仿视为对潜在解释程序的推理，通过视觉语言模型和分层规划器迭代优化候选集，在少样本设置中表现优于基线。
2026-07-07 cs.AI cs.RO
Step-by-Step Optimization-like Reasoning in LLMs over Expanding Search Spaces
University of Cambridge（剑桥大学）
本文提出OPT*任务族，通过可验证奖励训练和搜索引导策略，提升LLM在扩展搜索空间中的逐步优化推理能力。
2026-06-03 cs.AI
Partial Reasoning in Language Models: Search and Refinement Guided by Uncertainty
Advanced Knowledge Center for Immersive Technologies (AKCIT)（沉浸式技术高级知识中心）；Federal University of Goiás, Brazil（巴西戈亚斯联邦大学）；OATML, University of Oxford（牛津大学OATML）
PREGU通过监控输出熵并在不确定时触发局部搜索，提升语言模型在多步骤推理任务中的性能。
2026-01-17 cs.AI
Dynamic Parallel Tree Search for Efficient LLM Reasoning
Beihang University（北京航空航天大学）；Nanyang Technological University（南洋理工大学）；Wuhan University（武汉大学）
针对思维树推理效率低的问题，提出动态并行树搜索框架，通过并行流线与搜索转换机制优化推理路径，在保持准确性的同时将效率提升2-4倍。
2025-02-27 cs.AI
Scaling Retrieval-Augmented Reasoning with Parallel Search and Explicit Merging
University of Science and Technology of China（中国科学技术大学）；WeChat Technical Architecture Department, Tecent Inc.（腾讯公司微信技术架构部门）
本文提出MultiSearch框架，通过多查询检索和显式信息融合提升检索增强推理效果，实验表明其在问答任务中优于基线方法。
2026-05-13 cs.AI
Visual-Seeker: Towards Visual-Native Multimodal Agentic Search via Active Visual Reasoning
School of Artificial Intelligence UCAS（中国科学院大学人工智能学院）；Institute of Automation CAS（中国科学院自动化研究所）；Ant Digital Technologies Ant Group（蚂蚁数字科技蚂蚁集团）；RUC（中国人民大学）；BIT（北京理工大学）
提出Visual-Seeker，一种通过主动视觉推理进行视觉原生多模态深度搜索的智能体，在五个基准上达到最先进性能，甚至超越专有模型。
2026-06-16 cs.AI
Graphs, Constraints, and Search for the Abstraction and Reasoning Corpus
University of Toronto（多伦多大学）；Scale AI
抽象与推理语料库（ARC）旨在对一般人工智能算法的性能进行基准测试。ARC专注于广泛的泛化和少样本学习，这使得使用纯机器学习很难解决。一种更有前途的方法是在适当设计的领域特定语言（DSL）内执行程序合成。然而，这些也取得了有限的成功。我们提出了抽象推理与图形抽象（ARGA），一个新的以对象为中心的框架，首先表示使用图形的图像，然后执行一个正确的程序中的DSL是基于抽象的图形空间的搜索。这种组合搜索的复杂性是驯服通过使用约束采集，状态散列，禁忌搜索。一组广泛的实验证明了ARGA在相当有效地处理ARC的一些复杂的以对象为中心的任务方面的前景，产生了正确且易于理解的程序。
2022-12-02 cs.AI
Heuristic Search as Evidential Reasoning
University of California（加利福尼亚大学）
BPS，贝叶斯问题求解器，应用概率推理和决策理论控制灵活，资源受限的问题解决。本文重点讨论了BPS中的贝叶斯推理机制，并将其与传统的启发式搜索技术进行了对比。通过执行声音推断，BPS可以以显著更少的计算工作量胜过传统技术。对八个问题的实证测试表明，BPS算法在几百个节点扩展后，比现有最好的算法在几百万个节点扩展后做出更好的决策
2013-03-27 cs.AI
CreDes: Causal Reasoning Enhancement and Dual-End Searching for Solving Long-Range Reasoning Problems using LLMs
School of Computer and Communication Engineering（计算机与通信工程学院）；University of Science and Technology Beijing（北京科技大学）
本文提出CreDes框架，通过因果关系增强保证推理与状态转移一致，并以双端搜索缩小长程搜索空间，从而提升LLM组合优化任务的准确率与效率。
2024-10-02 cs.AI cs.CL
From Reasoning to Super-Intelligence: A Search-Theoretic Perspective
AA-I, July 2025（AA-I）
针对现有大语言模型CoT推理学习方法的缺陷，提出将推理建模为带验证器引导与回溯的深度优先搜索的Diligent Learner范式，证明其能高效从CoT数据学习，为构建可扩展可靠的大推理模型提供路径。
2025-07-26 cs.AI
QREF: Improving DeepSearch Agents by Aligning Search with Reasoning via Query Refinement and Evidence Filtering
Fudan University（复旦大学）；Tencent（腾讯）
提出即插即用的QREF框架，通过查询优化器对齐搜索与推理意图、证据过滤器减少检索噪声，在不修改DeepSearch智能体架构的情况下，在四个基准上显著提升了其信息检索任务性能。
2026-10-16 cs.AI
Visual Attention Reasoning via Hierarchical Search and Self-Verification
本文提出通过分层搜索与自验证的视觉注意力推理框架，有效提升多模态大语言模型的视觉定位和推理能力，显著降低幻觉发生率。
2026-01-26 cs.AI
A Study on Leveraging Search and Self-Feedback for Agent Reasoning
Duke University（杜克大学）；Amazon Web Services（亚马逊网络服务）
本文研究搜索与模型自我反馈对智能体推理的作用，比较数学推理中的真实标签反馈与自我反馈，并针对工具调用任务设计领域方法，证明仅靠自我反馈存在泛化挑战。
2025-02-17 cs.AI cs.CL
Probabilistic Reasoning as Information Compression by Multiple Alignment, Unification and Search: An Introduction and Overview
本文介绍了概率推理（PR）可以理解为“多重对齐、统一和搜索的信息压缩”（ICMAUS）的思想。在这种情况下，多重比对具有与其在生物信息学中的含义相似但不同的含义，而统一意味着匹配模式的简单合并，其含义与该术语在逻辑中的含义相关但比其含义更简单。一个软件模型，SP 61，已开发的发现和形成的“好”的多重比对，在信息压缩方面进行评估。该模型被描述的轮廓。本文以SP 61模型为例，简要介绍了ICMAUS框架如何对各种PR进行建模，包括：最佳匹配模式识别和信息检索中的PR;一步演绎PR和溯因PR;类层次中的属性继承;推理链（概率决策网络和决策树，以及具有“规则”的PR）;几何类比问题;非单调推理和具有默认值的推理;贝叶斯网络的功能建模。
2003-07-06 cs.AI
Dep-Search: Learning Dependency-Aware Reasoning Traces with Persistent Memory
Zhejiang University（浙江大学）；Intel Corporation（英特尔公司）；Tsinghua University（清华大学）；Massachusetts Institute of Technology（麻省理工学院）
Dep-Search 通过 GRPO 集成结构化推理、检索和持久记忆，提升 LLM 处理复杂多跳推理任务的能力。
2026-01-26 cs.AI cs.CL cs.IR
Search-o1: Agentic Search-Enhanced Large Reasoning Models
Renmin University of China（中国人民大学）；Tsinghua University（清华大学）
本文提出 Search-o1 框架，通过智能体 RAG 搜索工作流和 Reason-in-Documents 文档精炼模块增强大型推理模型，并在科学、数学、编程及六个开放域 QA 基准上验证其性能提升。
2025-01-09 cs.AI cs.CL cs.IR
Multi-LLM Collaborative Search for Complex Problem Solving
The Chinese University of Hong Kong（香港中文大学）；Shanghai AI Laboratory（上海人工智能实验室）
提出搜索代理混合（MoSA）范式，利用多个大语言模型协作与蒙特卡洛树搜索增强复杂推理，通过独立探索与迭代细化整合推理路径，在数学和常识推理基准上优于单代理及多代理基线。
2025-02-26 cs.AI cs.CL
Accelerating Large Language Model Reasoning via Speculative Search
University of Science and Technology of China（中国科学技术大学）；Huawei Technologies（华为技术有限公司）；Tianjin University（天津大学）
提出SpecSearch框架，通过小型模型与大型模型在思想和令牌层面协作，并引入保质量拒绝机制，在保持推理质量的同时实现高达2.12倍的加速。
2025-05-24 cs.AI cs.CL
